通过分析非线性、非平稳、非周期信号的二值化与四值化的粗粒化编码对 Lempel-Ziv复杂度的影响,发现粗粒化的程度会对Lempel-Ziv复杂度产生显著影响;随着粗粒化精度的提高, Lempel-Ziv复杂度增加,计算难度增大,但其灵敏度也相应增加。在应用粗粒化编码计算 LempelZiv复杂度时,应正确选择适当的粗粒化程度。

基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测

针对点预测类方法无法消除预测误差的不足，文中提出一种光伏发电功率短期预测方法。该方法采用极端学习机为光伏发电功率预测的回归预测方法，并结合三角形隶属函数模糊信息粒化的思路，将一定时间窗口的光伏发电功率历史数据进行模糊粒化。粒化后的窗口内历史数据包含功率变化值的最小值、最大值和平均值，形成了新的训练集，进一步对训练集采用极端学习机算法进行训练与预测，实现了光伏发电功率的区间预测。以某地区的光伏发电功率历史数据为算例进行了验证，结果表明：本文提出的方法可以预测光伏发电功率的波动范围，光伏发电功率真值全部包含在所预测的区间范围内。该方法对包含光伏新能源发电的电网调度计划具有工程实践意义。

该软件用来绘制发表质量的质粒图，可广泛应用与论文、教材的质粒插图。

使用BERT的细粒度情感分类 此存储库包含用于获取的结果的代码。 用法 可以使用run.py运行各种配置的实验。 首先，安装python软件包（最好在一个干净的virtualenv中）： pip install -r requirements.txt Usage: run.py [OPTIONS] Train BERT sentiment classifier. Options: -c, --bert-config TEXT Pretrained BERT configuration -b, --binary Use binary labels, ignore neutrals -r, --root Use only root nodes of SST -s, --save

孤立森林算法是基于隔离机制的异常检测算法，存在与轴平行的局部异常点无法检测、对高维数据异常点缺乏敏感性和稳定性等问题。针对这些问题，提出了基于随机超平面的隔离机制和多粒度扫描机制，随机超平面使用多个维度的线性组合简化数据模型的隔离边界，利用随机线性分类器的隔离边界能够检测更复杂的数据模式。同时，多粒度扫描机制利用滑动窗口的方式进行维度子采样，每一个维度子集均训练一个森林，多个森林集成投票决策，构造层次化集成学习异常检测模型。实验表明，改进的孤立森林算法对复杂异常数据模式有更好的稳健性，层次化集成学习模型提高了高维数据中异常检测的准确性和稳定性。

为了获得磨削淬硬的切向磨削力进而确定磨削温度场的热源强度,通过对单个磨粒切削状态分析简化,在因次解析法的基础上建立平面磨削力的数学模型,利用试验验证了其有效性,进一步分析了磨削用量对磨削力的影响规律。研究结果表明:切向磨削力和法向磨削力误差均

为了反映粗粒土主要力学特性，建立了亚塑性损伤模型。结合对粗粒土力学特性及物态演化的认识，提出了粗粒土的损伤状态函数。基于亚塑性理论的基本框架和损伤状态函数，建立了损伤模型的公式及参数确定方法。采用该模型对三峡二期围堰等3种实际工程试验结果进行了模拟。模型预测与试验结果吻合良好。该模型无需判断加卸载准则，易于三维化，公式简洁且参数较少，能够较好地反映粗粒土的主要力学特性，包括强度与围压的非线性特征以及在低围压下剪胀显著、高围压下剪缩较为显著的体变特性。

行业分类-外包设计-铅锭成粒过程中的铅板传递机构.zip

这几天刚好调研fine-grained这个领域，花两天时间近几年细粒度检测识别领域顶会论文，已经经过仔细筛选。